Menggunakan Klasifikasi Naive Bayes Disusun oleh Ach. Arif S ( 111080200238 ) Maskhud Yunus ( 111080200262 ) M.Arif M ( 111080200215 ) Zanna I.N.K ( 111080200259 ) Sendy Octaviani ( 111080200323 ) Hari Susanto ( 111080200293 ) Algoritma Naive Bayes Dimana : P(X) evidence atau bukti P ( X ) P(C) merupakan peluang prior P(C) P(X|C) peluang bersyarat yang diketahui disebut sebagai likelihood P(C|X) peluang bersyarat yang akan dicari atau peluang posterior Menghitung P(X|C) Apabila diberikan k atribut yang saling bebas (independence), nilai probabilitas dapat diberikan sebagai berikut. P(x 1 ,...,x k |C) = P(x 1 |C) x ... x P(x k |C) Jika atribut ke-i bersifat diskret, maka P(x i |C) diestimasi sebagai frekuensi relatif dari sampel yang memiliki nilai x i sebagai atribut ke i dalam kelas C.Namun jika atribut ke-i bersifat kontinu, maka P(x i |C) diestimasi dengan fungsi densitas Gauss.
dengan = mean, dan = deviasi standar Cara kerja Nave Bayesian Misalkan di berikan sebuah data sebagai berikut untuk diklasifikasi Maka dari data tersebut diketahui bahwa X 1, X 2 , . . . , X n adalah atribut , sedangkan untuk C disebut sebagai target ( didalamnya hanya ada dua kemungkinan Ya atau Tidak ). Untuk mencari solusi dari target C diatas kita bisa menggunakan model probabilitas Naive Bayes dengan cara kerja sebagai berikut 1. Estimasi peluang dari target C Hitung peluang jika C = ya dan jika C = tidak 2. Estimasi peluang bersyarat Xi terhadap C Hitung peluang bersyarat masing- masing atribut X terhadap C, misalnya P( C | X1 ) , P( C | X2 ) sampai P( C | Xn ) 3. Estimasi peluang bersyarat P( X | C ) yang ingin dicari Hitung P( Xi | C = Ya ) dan P(Xi | C = Tidak ) 4. Bandingkan nilai antara P( Xi | C = Ya ) dan P( Xi | C = Tidak ) Jika nilai P( Xi | C = Ya ) > P( Xi | C = Tidak ) maka keputusan akhir adalah Ya Jika nilai P( Xi | C = Ya ) < P ( Xi| C = Tidak ) maka keputusan akhir adalah Tidak